[發明專利]基于泛函深度信念網絡的日太陽輻射資源評估方法

有效

• 申請號: 201910334439.0
• 申請日: 2019-04-24
• 公開（公告）號: CN110059972B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 臧海祥;程禮臨;劉玲;劉沖沖;衛志農;孫國強
• 申請（專利權）人: 河海大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張華蒙

本發明公開了基于泛函深度信念網絡的日太陽輻射資源評估方法，屬于可再生能源開發利用技術領域，包括如下步驟：首先，對太陽輻射曲線進行深層聚類，將其劃分為四類，對每一類太陽輻射分別進行估計；其次，基于傳統經驗輻射公式構建功能泛函，并對功能泛函進行多項式變換，生成多項式泛函；然后，基于后向選擇方法篩選多項式泛函，選取對太陽輻射有相關性影響的作為模型輸入；將篩選后的多項式泛函輸入深度信念網絡模型，訓練模型實現對太陽輻射的估計。本發明實現了準確的太陽輻射估計，能夠適應不同地區、氣候情況下的估計需求；同時可以部署在全國不同的氣象站內，實現精準可靠的太陽輻射資源評估。

技術領域

本發明屬于可再生能源開發利用技術領域，具體涉及基于泛函深度信念網絡的日太陽輻射資源評估方法。

背景技術

太陽能資源分布廣泛、易于獲取，因而在可再生資源開發領域得到大量應用，其能夠有效應對當前日趨嚴重的環境污染和能源緊缺問題。在這個情況下，太陽能輻射資源評估的重要性不言而喻。一方面，目前國內分布的大量氣象采集站址，其能夠采集到溫度、濕度、風速等數據，然而由于太陽輻射采集裝置的成本過高，難以有效獲取和采集太陽輻射數據；另一方面，太陽能輻射評估能夠指導光伏電站規劃、太陽能電熱系統構建、光伏陣列定址定容等工程應用。因此，太陽輻射資源評估是本發明的研究對象。

太陽輻射資源評估通常有三種方法，即衛星法、統計法和相關性法。衛星法使用人造衛星設備，能夠實時采集太陽輻射數據和地面反射系數，具有采集精度高、采集范圍廣、數據時效性較好等優點，但是由于其成本昂貴，相關研究數量較少。統計法通過分析歷史年份的太陽輻射數據，基于典型氣象年和統計回歸模型，能夠估計未來時刻的太陽輻射數據情況，但是該方法顯然不適用于無太陽輻射數據采集的地區。相關性方法通過建立經驗公式模型或智能模型，分析溫度、濕度等氣象數據與太陽輻射的映射關系，進而實現太陽資源評估。該模型在應用階段不需要歷史太陽輻射數據，是本發明中選用的研究方法。

由于傳統智能模型的泛化性和可靠性較差，難以適應多站址、多氣候的太陽輻射估計，本發明提出將深度信念網絡應用于太陽輻射估計，其能夠有效分析大數據量訓練樣本，具備極高的非線性和泛化性能。此外，經驗公式模型中的先驗知識以泛函形式融合如深度信念網絡，構成泛函深度信念網絡。

發明內容

發明目的：本發明的目的在于提供基于泛函深度信念網絡的日太陽輻射資源評估方法，能夠滿足不同站址和氣候條件的太陽輻射評估需求，具有更高的估計準確性和可靠性；同時能夠部署于國內不同的氣象站，為光伏電站選址、光伏陣列定容等提供數據指導。

技術方案：為實現上述目的，本發明提供如下技術方案：

基于泛函深度信念網絡的日太陽輻射資源評估方法，包括以下步驟：

步驟1，對全國共計30個城市的日太陽輻射曲線進行深層聚類，將其劃分為四類，對每一類日太陽輻射分別進行估計；

步驟2，采集溫度、濕度、日照時數等氣象數據，基于傳統經驗輻射公式構建功能泛函，并對功能泛函進行多項式變換，生成多項式泛函；

步驟3，基于后向選擇方法篩選多項式泛函，選取對日太陽輻射有相關性影響的作為模型輸入；

步驟4，將篩選后的多項式泛函輸入深度信念網絡模型，訓練模型實現對太陽輻射的估計。

進一步地，步驟1中，所述深層聚類方法基于深層自編碼器AE模型，包括如下步驟：

步驟1.1，以太陽輻射作為模型輸入，計算AE模型輸出；

步驟1.2，基于最小二乘誤差指標，優化和訓練AE模型參數；

步驟1.3，輸出AE模型的概率編碼結果，以概率編碼生成聚類中心，實現聚類。

進一步地，步驟1.1中，所述的計算AE模型輸出的計算公式為：